Predicción de riesgo de incendios forestales en Paraguay: un enfoque basado en stacking de modelos de machine learning con datos geoespaciales

• Autores: Arce Delgadillo, Alexis Rodrigo; Capdevila Castro, María Laura; Sosa-Cabrera, Gustavo
• Año de publicación: 2025
• Idioma: español castellano
• Tipo de recurso: documento de conferencia
• Materia: Ciencias Informáticas; Incendios forestales; Machine learning; Análisis geoespacial; Modelos predictivos; Modelo de stacking; Predicción de riesgo; Paraguay
• Institución: Universidad Nacional de La Plata

Los incendios forestales constituyen una amenaza creciente a nivel mundial, con impactos significativos sobre los ecosistemas, la economía y la seguridad de la población. Paraguay también se ve afectado por esta problemática, registrando una tendencia creciente en la frecuencia e intensidad de los incendios en los últimos años. Este estudio propone un modelo predictivo de riesgo de incendios forestales en Paraguay, utilizando un enfoque de Machine Learning que integra datos satelitales, topográficos y meteorológicos. Se desarrolló un modelo de ensamble tipo stacking, que combina algoritmos como Random Forest, Support Vector Machines (SVM) y K-Nearest Neighbors (KNN), con una regresión logística como meta-modelo para clasificar la probabilidad de ocurrencia de incendios. Los resultados preliminares evidencian la viabilidad del modelo para generar mapas de riesgo espacialmente explícitos, ofreciendo una herramienta potencial para la gestión proactiva de desastres.
Red de Universidades con Carreras en Informática